Mở đầu — vì sao bài này quan trọng
Hãy thử hình dung một buổi sáng thứ Hai điển hình của bạn với vai trò Product Manager. Một bạn engineer nhắn: "Cái logic tính phí ship miễn phí cho đơn trên 300k là quyết định từ đâu vậy anh?". Một bạn designer mới onboard hỏi: "Em không tìm thấy spec của màn hình checkout phiên bản cũ". Sếp lại muốn biết: "Sao quý trước mình quyết định bỏ tính năng wishlist?". Và bạn — người nắm giữ trí nhớ tổ chức — phải dừng mọi việc để đào bới Slack, Notion, Google Docs, email cũ.
Đây chính là cái giá của knowledge debt (nợ tri thức): khi kiến thức nằm rải rác trong đầu vài người và trong hàng trăm tài liệu lộn xộn, mỗi câu hỏi nhỏ đều ngốn 15–30 phút của ai đó. Với một team 10 người, knowledge debt âm thầm đốt hàng trăm giờ mỗi tháng.
Documentation tốt giải quyết bốn vấn đề sống còn: onboarding nhanh gấp nhiều lần (người mới tự đọc thay vì hỏi), quyết định không bị lật lại (có decision log nên không tranh cãi vòng vòng), kiến thức sống sót qua biến động nhân sự (người nghỉ việc không mang theo toàn bộ context), và giảm tải cho chính bạn khỏi vai trò "từ điển sống" của team.
Vấn đề là: PM ai cũng biết docs quan trọng, nhưng viết và duy trì docs cực kỳ tốn thời gian — nên nó luôn bị đẩy xuống cuối danh sách ưu tiên. Đây chính xác là chỗ AI thay đổi cuộc chơi. AI không thay bạn quyết định cái gì đáng ghi lại, nhưng nó xóa bỏ gần như toàn bộ ma sát của việc viết ra, sắp xếp, và tìm lại. Bài này dạy bạn biến AI thành một "thủ thư" và "người chép sử" cho cả tổ chức sản phẩm của mình.
Khái niệm cốt lõi
Trước khi bàn về AI, cần phân biệt rõ documentation và knowledge management — hai khái niệm hay bị gộp làm một.
Documentation vs. Knowledge Management
Documentation là hành động tạo ra từng tài liệu cụ thể: một spec, một quy trình, một ghi chú quyết định. Nó là các "viên gạch".
Knowledge management (KM) là cách bạn tổ chức, kết nối, và làm cho toàn bộ những viên gạch đó tìm được và dùng được khi cần. Nó là "tòa nhà". Một team có thể có 500 tài liệu (documentation tốt) nhưng KM tệ — vì không ai tìm thấy gì, không biết bản nào mới nhất, không biết tài liệu nào còn đúng.
AI hỗ trợ cả hai tầng này, nhưng theo những cách khác nhau mà ta sẽ phân tích.
Bốn loại tài liệu PM nên duy trì
Không phải mọi thứ đều đáng ghi lại. Tập trung vào bốn loại có ROI cao nhất:
- Decision log (nhật ký quyết định): Ghi lại quyết định gì, bối cảnh nào, lý do tại sao, ai duyệt, ngày nào. Đây là loại tài liệu giá trị nhất nhưng bị bỏ quên nhiều nhất. Lý do "tại sao" mới là thứ tổ chức cần — vì "tại sao" hôm nay sẽ bị lãng quên sau ba tháng.
- Runbook / quy trình lặp lại: Cách release một feature, cách xử lý sự cố production, quy trình review PRD. Những việc làm đi làm lại.
- Context docs (tài liệu bối cảnh nền): Glossary thuật ngữ nội bộ, kiến trúc sản phẩm tổng quan, bản đồ các hệ thống. Thứ người mới cần để hiểu "thế giới" của team.
- Living references (tài liệu tham chiếu sống): FAQ nội bộ, danh sách metric và định nghĩa, các edge case đã gặp.
AI hỗ trợ knowledge management như thế nào
Có ba vai trò AI đóng được, theo thứ tự độ trưởng thành:
- Tạo (Generate): Biến raw input (transcript họp, ghi chú lộn xộn, Slack thread) thành tài liệu có cấu trúc. Đây là ứng dụng dễ nhất, ROI tức thì.
- Tổ chức & chưng cất (Distill/Organize): Tóm tắt nhiều tài liệu thành một bản tổng quan, gắn tag, phát hiện trùng lặp, đề xuất cấu trúc thư mục.
- Truy xuất (Retrieve): Đây là phần mạnh nhất nhưng cần thiết lập. Dùng AI có khả năng đọc kho tài liệu của bạn (qua tính năng như "ground trên knowledge base", RAG — Retrieval-Augmented Generation) để trả lời câu hỏi bằng ngôn ngữ tự nhiên, trích dẫn nguồn. Thay vì "tìm file", bạn "hỏi và nhận câu trả lời có nguồn".
Tình huống thực tế
Tình huống 1 — Tiki và decision log "cứu" một quyết định bị lật lại
Một PM tại một sàn thương mại điện tử lớn (gọi là kiểu Tiki) phụ trách tính năng giỏ hàng. Quý 1, team quyết định không cho phép áp nhiều mã giảm giá cùng lúc trên một đơn, vì lý do liên quan đến cách phối hợp ngân sách khuyến mãi với nhà cung cấp. Quyết định được ghi vội trong một Slack thread rồi trôi đi.
Sáu tháng sau, một PM khác tiếp quản, thấy đối thủ cho stack nhiều mã, liền đề xuất làm theo. Team họp, tốn hai buổi tranh luận, gần như đã chốt làm — cho đến khi một engineer cũ mơ hồ nhớ "hình như có lý do gì đó về vendor". Nhưng không ai tìm lại được. Họ build tính năng, ra mắt, và vướng đúng vấn đề ngân sách khuyến mãi mà team cũ đã lường trước — phải rollback sau ba tuần.
Diễn giải: Đây là knowledge debt điển hình. Quyết định có được "ghi lại" nhưng trong một định dạng không tìm lại được (Slack trôi). Sau sự cố, PM mới thiết lập một decision log đơn giản trên Notion. Mỗi quyết định lớn, họ paste transcript họp vào AI với prompt: "Trích xuất từ transcript này: quyết định cuối cùng, các phương án đã cân nhắc và lý do loại, ràng buộc/giả định, người chịu trách nhiệm. Định dạng theo template decision log." AI biến 40 phút họp lộn xộn thành một mục log gọn 200 chữ trong 30 giây.
Bài học: Giá trị của decision log không nằm ở "quyết định gì" mà ở "tại sao và đã loại bỏ gì". AI giúp việc trích xuất cái "tại sao" — vốn thường bị chôn trong cuộc thảo luận — trở nên gần như miễn phí. Khi việc ghi log không còn tốn công, người ta mới thực sự làm nó.
Tình huống 2 — Một startup fintech Đông Nam Á và bài toán onboarding
Một startup fintech ở Singapore với team sản phẩm 8 người tăng trưởng nhanh, tuyển thêm 4 PM và designer trong một quý. Mỗi người mới mất trung bình 3 tuần mới làm việc độc lập được, phần lớn thời gian là đi hỏi vòng quanh: thuật ngữ nội bộ là gì, hệ thống KYC hoạt động ra sao, vì sao luồng nạp tiền lại thiết kế như vậy. Những người cũ mất khoảng 6–8 giờ/tuần chỉ để trả lời câu hỏi lặp lại.
Head of Product quyết định build một "knowledge base sống". Họ gom toàn bộ docs rải rác vào một workspace, rồi dùng AI theo hai bước. Bước một, dùng AI để chưng cất: đưa từng cụm tài liệu cũ vào và yêu cầu "Tóm tắt thành một context doc 1 trang cho người mới, kèm glossary các thuật ngữ xuất hiện." Bước hai, họ thiết lập một AI assistant được "ground" trên chính workspace đó (dùng tính năng kết nối knowledge base), để người mới có thể hỏi trực tiếp: "Luồng KYC tier 2 yêu cầu giấy tờ gì?" và nhận câu trả lời kèm link nguồn.
Kết quả sau hai tháng: thời gian onboarding giảm từ 3 tuần xuống còn khoảng 9 ngày, và số câu hỏi lặp lại gửi tới người cũ giảm rõ rệt vì người mới tự hỏi AI trước.
Bài học: AI không chỉ tạo docs — nó biến một đống tài liệu chết thành một hệ thống trả lời được câu hỏi. Nhưng lưu ý: bước gom và làm sạch tài liệu ban đầu vẫn cần con người. AI ground trên một kho lộn xộn sẽ trả lời lộn xộn.
Tình huống 3 — PM một mình duy trì FAQ nội bộ với AI
Một PM tại một SaaS B2B Việt Nam phụ trách một sản phẩm có nhiều edge case nghiệp vụ phức tạp (tính thuế, xuất hóa đơn). Đội Customer Success liên tục hỏi cùng những câu về cách sản phẩm xử lý các trường hợp đặc biệt. PM này không có thời gian viết FAQ đầy đủ.
Cách họ làm: cuối mỗi tuần, copy toàn bộ các câu hỏi từ kênh Slack #cs-questions, đưa vào AI với prompt: "Đây là các câu hỏi của team CS tuần này. Nhóm các câu trùng ý, viết câu trả lời ngắn gọn cho mỗi nhóm dựa trên [dán tài liệu spec liên quan]. Đánh dấu câu nào tôi cần tự bổ sung thông tin vì tài liệu chưa đủ." AI vừa tổng hợp FAQ, vừa chỉ ra lỗ hổng trong tài liệu hiện có.
Bài học: Một trong những ứng dụng KM mạnh nhất của AI là phát hiện khoảng trống — chỉ cho bạn biết tài liệu nào còn thiếu. Documentation không phải dự án làm một lần rồi xong; nó là vòng lặp. AI giúp vòng lặp đó nhẹ đến mức một PM đơn lẻ cũng duy trì được.
Hướng dẫn từng bước
Đây là quy trình thiết lập hệ thống documentation hỗ trợ bởi AI cho team của bạn, từ con số không.
Bước 1 — Audit và chọn lọc. Đừng cố document mọi thứ. Liệt kê những câu hỏi mà team bạn bị hỏi đi hỏi lại nhiều nhất trong một tháng. Đó chính là danh sách tài liệu cần ưu tiên. Mẹo: dùng AI quét lại các kênh Slack/email với prompt "Liệt kê các chủ đề câu hỏi lặp lại nhiều nhất trong đoạn hội thoại này" để có dữ liệu thật thay vì đoán.
Bước 2 — Tạo template chuẩn cho từng loại tài liệu. Một decision log nên luôn có: bối cảnh, quyết định, phương án đã loại, lý do, người duyệt, ngày. Đưa template này vào prompt mỗi lần để AI điền theo đúng khuôn. Tài liệu nhất quán về cấu trúc thì dễ tìm và dễ đọc gấp nhiều lần.
Bước 3 — Biến raw input thành tài liệu có cấu trúc. Mỗi lần họp xong, kết thúc một quyết định, hoặc giải quyết một sự cố, lấy transcript/ghi chú thô và để AI chuyển thành tài liệu theo template. Prompt mẫu: "Dựa trên ghi chú thô dưới đây, viết một mục decision log theo template sau [...]. Chỉ dùng thông tin có trong ghi chú; nếu thiếu phần nào của template, ghi rõ '[Cần bổ sung]'." Câu cuối rất quan trọng — nó ngăn AI bịa.
Bước 4 — Tổ chức và đặt một "single source of truth". Chọn MỘT nơi duy nhất làm kho chính (Notion, Confluence, Google Drive). Dùng AI đề xuất cấu trúc thư mục/tag dựa trên danh sách tài liệu bạn có. Quy tắc vàng: nếu một tài liệu tồn tại ở hai nơi, nó sẽ phân kỳ và một bản sẽ sai. Một nguồn sự thật duy nhất.
Bước 5 — Bật khả năng truy xuất bằng AI. Khi kho đã sạch, kết nối nó với một AI assistant có khả năng ground/RAG để cả team hỏi bằng ngôn ngữ tự nhiên. Hướng dẫn cả team rằng câu trả lời của AI luôn kèm link nguồn — và phải kiểm tra nguồn trước khi tin với quyết định quan trọng.
Bước 6 — Lập vòng lặp bảo trì. Đặt lịch hằng tháng: dùng AI rà soát tài liệu để phát hiện (a) nội dung mâu thuẫn giữa các tài liệu, (b) tài liệu lỗi thời, (c) khoảng trống. Documentation chết khi không được bảo trì; AI làm việc bảo trì rẻ đến mức không còn lý do bỏ bê.
Lỗi thường gặp & mẹo
Lỗi 1 — Tin tưởng mù quáng đầu ra của AI. AI có thể "hallucinate" (bịa ra thông tin nghe hợp lý nhưng sai). Một decision log bịa lý do còn tệ hơn không có log, vì nó dẫn người ta đi sai. Mẹo: Luôn yêu cầu AI chỉ dùng thông tin từ nguồn bạn cung cấp, và đánh dấu rõ chỗ nào nó suy đoán. Với tài liệu quan trọng, con người duyệt lần cuối là bắt buộc.
Lỗi 2 — Document quá nhiều thứ. Tài liệu hóa mọi thứ tạo ra "tiếng ồn" che lấp những tài liệu thật sự quan trọng, và gánh nặng bảo trì khổng lồ. Mẹo: Quy tắc — chỉ document thứ sẽ được hỏi lại hoặc cần để ra quyết định trong tương lai. Số lượng ít nhưng đúng đắn và được cập nhật.
Lỗi 3 — Bỏ qua bước bảo trì. Tài liệu lỗi thời nguy hiểm hơn không có tài liệu vì người ta vẫn tin nó. Một runbook release đã đổi quy trình mà không cập nhật sẽ gây sự cố. Mẹo: Mỗi tài liệu nên có ngày cập nhật cuối và người chủ quản (owner). Dùng AI quét định kỳ để gắn cờ tài liệu "có thể đã cũ".
Lỗi 4 — Đưa dữ liệu nhạy cảm vào công cụ AI công cộng. Documentation thường chứa thông tin nội bộ, dữ liệu khách hàng, thông tin tài chính. Mẹo: Tuân thủ chính sách bảo mật của công ty về việc dữ liệu nào được đưa vào công cụ AI nào; ưu tiên công cụ doanh nghiệp có cam kết không huấn luyện trên dữ liệu của bạn. (Chủ đề guardrails dữ liệu nhạy cảm được đào sâu ở một bài riêng trong khóa.)
Lỗi 5 — Coi documentation là dự án một lần. Viết một loạt docs rồi để mặc. Mẹo: Documentation là sản phẩm sống. Hãy đối xử với knowledge base như một feature có vòng đời, không phải một task.
Mẹo nâng cao: Tạo một "prompt thư viện" — bộ prompt chuẩn để biến từng loại input thành từng loại tài liệu. Lưu chúng lại để cả team dùng chung, đảm bảo mọi tài liệu sinh ra đều cùng một chất lượng và định dạng.
Bài tập thực hành
- Trích xuất decision log: Lấy một quyết định sản phẩm gần đây của bạn (hoặc một transcript/ghi chú họp). Dùng AI để biến nó thành một mục decision log đầy đủ: bối cảnh, quyết định, phương án đã loại, lý do, owner, ngày. Tự đánh giá: AI có nắm đúng "tại sao" không, hay bạn phải bổ sung?
- Audit câu hỏi lặp lại: Copy 1–2 tuần tin nhắn từ một kênh hỏi đáp nội bộ (Slack/email). Yêu cầu AI nhóm các câu hỏi lặp lại theo chủ đề. Từ kết quả, xác định 3 tài liệu bạn nên viết đầu tiên.
- Tạo context doc onboarding: Gom 3–4 tài liệu cũ rời rạc về sản phẩm của bạn. Dùng AI chưng cất thành một context doc 1 trang dành cho người mới, kèm glossary. Đưa cho một đồng nghiệp chưa quen mảng đó đọc và hỏi: họ còn vướng chỗ nào?
- Phát hiện khoảng trống: Đưa cho AI một tài liệu spec hiện có và một danh sách câu hỏi thực tế từ team. Yêu cầu AI chỉ ra những câu hỏi mà tài liệu chưa trả lời được. Đây là danh sách việc cần bổ sung.
Tóm tắt
Documentation và knowledge management là phần việc PM nào cũng biết quan trọng nhưng thường bỏ bê, vì nó tốn thời gian. AI thay đổi phương trình bằng cách xóa bỏ ma sát của việc viết, tổ chức và tìm lại kiến thức.
Những điểm cốt lõi cần nhớ:
- Phân biệt documentation (viên gạch) và knowledge management (tòa nhà): tạo tài liệu là chưa đủ, phải làm cho chúng tìm được và dùng được.
- Ưu tiên đúng loại tài liệu: decision log (đặc biệt là phần "tại sao"), runbook, context doc, và living reference. Đừng document mọi thứ.
- AI đóng ba vai trò: tạo tài liệu từ raw input, chưng cất nhiều tài liệu thành tổng quan, và truy xuất câu trả lời từ knowledge base. Vai trò truy xuất mạnh nhất nhưng cần kho tài liệu sạch.
- Con người vẫn là người gác cổng: AI có thể bịa, nên tài liệu quan trọng cần kiểm chứng, mọi câu trả lời nên có nguồn, và dữ liệu nhạy cảm cần được bảo vệ.
- Documentation là sản phẩm sống: thiết lập vòng lặp bảo trì để phát hiện mâu thuẫn, nội dung lỗi thời và khoảng trống — AI làm việc này rẻ đến mức không còn lý do bỏ bê.